[发明专利]一种基于Android平台的声纹认证方法

说明书

技术领域

本发明涉及技术计算机领域，具体涉及一种基于Android平台的声纹认证方法。

背景技术

随着智能手机系统的发展，智能手机的应用开发已经成为人们关注的焦点。随着Android手机在全球的风靡，势必会带动Android应用软件数量的迅速增加。目前Android手机的应用软件已经涉及了社会的各个领域。现在Android手机在语音方面的开发已经开始了，将会给用户提供更好、更快捷的服务。因此，声纹技术的研究将来一定会成为Android手机在语音开发领域一个重要的研究方向。声纹认证主要工作是获得说话人的语音中的特征信息，这些信息可以包含说话人的心理状况、行为意向等。通过分析这些信息可以证实说话人的现实身份。因此，需要对说话人的语音进行特征提取，获得特征参数。然后对说话人的前后语音得到的特征参数进行，进而判断说话人的真实身份。传统的声纹技术应用基本都是采用电脑作为运行平台。由于电脑具有携带不便等缺点，给应用带来了局限性。而基于Android平台的声纹认证系统将采用智能手机作为载体，这样使用更加方便，用户只需通过语音便可实现一些认证操作，节省了时间而且操作更加便捷。

线性预测倒谱系数(LPCC)，是目前普遍采用的特征参数提取方法。通常应用于连接词和连续语音识别中，通常研究采用了三种主要的线性预测推演参数，即线性预测反射系数、线谱对系数和线性预测倒谱系数，及其在连接词语音识别系统中的应用,并进行计算机仿真。

人工神经网络算法就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。因此，神经网络的这种对人类认知系统的模仿能力决定了将其应用于语音处理有其他方法无法比拟的优势。

现在的声纹认证主要以计算机作为运行载体，声纹特征提取大部分采用线性预测倒谱系数(LPCC)方法获得特征参数，这种特征提取技术获得参数通常不适用于声纹认证。声纹参数匹配大多采用人工神经网络算法和隐马尔科夫算法等。这些算法比较复杂，如果运行在智能手机平台上可能会影响整个系统性能。

现有声纹认证的主要缺点有：一、认证率普遍偏低，通常需要反复输入才能实现身份认证。二、对运行环境要求较高，大部分都要求在计算机上才可以正常运行。对计算机的软硬件均有要求。三、认证结果极易受到外界环境的干扰，抗干扰性弱。外界的轻微噪音可能会使结果发生改变。这也是目前声纹认证系统普遍遇到的难题。

发明内容

本发明的目的提供基于Android平台的声纹认证系统，通过对声纹认证匹配算法的改进，减少了匹配算法时间复杂度，提高了系统运行速度，使系统运行更加快捷。

本发明提供了一种基于Android平台的声纹认证方法，包括如下步骤：

用户通过手机输入语音口令；采用梅尔倒谱技术获得声纹特征参数；用户第二次登陆该系统时，输入相同口令，同时通过特征提取获得待认证语音声纹信息，最后，根据得到的置信度得分与临界值进行比较，当小于临界值时输出结果为“本人”，否则所得结果为“非本人”，从而完成认证过程。

所述梅尔倒谱技术包括：

语音信号进行快速傅里叶变换(FFT),将语音信号从时域转换到频域；

在进行三角带通滤波之前，通常要将普通频率转化为梅尔频率；